تمارس الفحوصات النسيجية الهرمية منذ زمن طويل في تشخيص السرطان، حيث يقوم الأطباء الشرعيون بتحديد وجود الأورام على الشرائح الزجاجية. قد تحتوي الشرائح المستخرجة من العمليات المخبرية الاعتيادية على شوائب غير متعمدة ناتجة عن تعقيدات في استئصال الورم جراحياً. وتشكل آثار الدم والأنسجة التالفة مشكلتين شائعتين مرتبطتين بعملية الاستئصال عبر الإحليل للورم المثانوي. كما يمكن أن تؤدي الاختلافات في الإجراءات الهيستوتكنية بين المختبرات إلى تباينات في اللون وانعدامات طفيفة في النتائج. وتملك النسخة الرقمية للشريحة الزجاجية، المعروفة باسم "صورة الشريحة الكاملة" (WSI)، إمكانات هائلة لتشخيص آلي. إلا أن وجود مناطق غير ذات صلة في صورة الشريحة الكاملة يقلل من قيمتها التشخيصية بالنسبة للأطباء الشرعيين، وكذلك لأنظمة الطب النسيجي الحاسوبي (CPATH). لذلك، قد يؤدي الكشف التلقائي واستبعاد المناطق غير المهمة تشخيصياً إلى تحسين موثوقية التنبؤات. في هذا البحث، نركز على الكشف عن الدم والأنسجة التالفة مقابل الأنسجة ذات الصلة تشخيصياً. ونقيّم فعالية التعلم المنقول (transfer learning) مقارنةً بالتدريب من الصفر. وحققت أفضل النماذج نقاط F1 قدرها 0.99 و0.89 على التوالي في كشف الدم والأنسجة التالفة. وبما أن الدم والأنسجة التالفة تتميز بفرق لوني خفيف، نقوم بتقييم تأثير أساليب معالجة الألوان على أداء التصنيف الثنائي لخمسة هياكل معروفة جيداً. وأخيراً، نزيل العامل اللوني لفهم مدى أهميته مقارنة بالبنية المورفولوجية في أداء التصنيف.